1. Od dolování dat k objevování znalostí, přehled základních přístupů.
2. Specifikace jednotlivých kroků procesu objevování znalostí v databázích.
3. Grafické modely pro analýzu a dekompozici problému, čištění dat.
Grafické znázornění procesu učení a vyhledávání znalostí. Algoritmy učení
4. Statistické aspekty vyhledávání znalostí. Popis vybraných statistických
metod užívaných v procesu objevování znalostí.
5. Induktivní logické programování a objevování znalostí, techniky ILP,
aplikace ILP v procesu objevování znalostí.
6. Algoritmy pro vzorkování a čištění dat. Transformace pravidel stromů do
porovnatelných znalostních struktur.
7. Analýza trendů a odchylek. Nalézání vzorků v časových řadách.
8. Od kontingenční tabulky k různým formám znalostí v databázích.
9. Dolování v multidimenzionálních datech, architektura databáze
podporující dolování dat, modely dolovacích technik.
10. Hlavní rysy OLAP technologie, struktura OLAP systému, datová základna,
nástroje pro práci s daty.
11. Využití induktivního učení při generování pravidel pro optimalizaci
sémantických sítí.
12. Představení některých aplikací založených na principu objevování
znalostí v databázích.
13. Data warehousing, charakteristika datového skladu a datového tržiště,
možnosti architektury, modelování systémů s datovými sklady.
14. Datový sklad a metodologie jeho implementace, využití Data warehousingu
ve firmě.
2. Specifikace jednotlivých kroků procesu objevování znalostí v databázích.
3. Grafické modely pro analýzu a dekompozici problému, čištění dat.
Grafické znázornění procesu učení a vyhledávání znalostí. Algoritmy učení
4. Statistické aspekty vyhledávání znalostí. Popis vybraných statistických
metod užívaných v procesu objevování znalostí.
5. Induktivní logické programování a objevování znalostí, techniky ILP,
aplikace ILP v procesu objevování znalostí.
6. Algoritmy pro vzorkování a čištění dat. Transformace pravidel stromů do
porovnatelných znalostních struktur.
7. Analýza trendů a odchylek. Nalézání vzorků v časových řadách.
8. Od kontingenční tabulky k různým formám znalostí v databázích.
9. Dolování v multidimenzionálních datech, architektura databáze
podporující dolování dat, modely dolovacích technik.
10. Hlavní rysy OLAP technologie, struktura OLAP systému, datová základna,
nástroje pro práci s daty.
11. Využití induktivního učení při generování pravidel pro optimalizaci
sémantických sítí.
12. Představení některých aplikací založených na principu objevování
znalostí v databázích.
13. Data warehousing, charakteristika datového skladu a datového tržiště,
možnosti architektury, modelování systémů s datovými sklady.
14. Datový sklad a metodologie jeho implementace, využití Data warehousingu
ve firmě.